واژهنامه پیامرسانی کسبوکار اصطلاحات WhatsApp، خدمات مشتریان و هوش مصنوعی گفتگومحور
تعریفهای کوتاه و بیطرف نسبت به ارائهدهندگان برای اصطلاحاتی که هنگام راهاندازی WhatsApp، صندوق ورودی مشترک یا دستیار هوش مصنوعی با آنها روبهرو میشوید، هر کدام با پیوندی به جایی که MonoChat آن را به کار میگیرد.
واژگان WhatsApp Business Platform و سایر کانالهای پیامرسانی با مشتری.
Broadcast (bulk messaging)
ارسال یک پیام یکسان، معمولاً شخصیسازیشده با متغیرها، به تعداد زیادی مخاطب در یک زمان. در WhatsApp، ارسال گروهی از طریق Business Platform از قالبهای تأییدشده استفاده میکند و فقط باید به مخاطبانی برود که رضایت دادهاند. پاسخها بهصورت مکالمههای جداگانه میرسند.
شرکتی که Meta تأیید کرده تا به کسبوکارها دسترسی به WhatsApp Business Platform بدهد. BSP معمولاً راهاندازی، ثبت شماره و صورتحساب را انجام میدهد و اغلب صندوق ورودی یا ابزارهای خودکارسازی خودش را هم اضافه میکند. MonoChat یک BSP نیست: حساب WhatsApp Business خودتان را مستقیماً به Cloud API متا متصل میکند، بنابراین Meta مستقیماً از شما صورتحساب میگیرد.
پیامی متشکل از چند کارت قابل اسکرول افقی که هر کدام تصویر یا ویدیو، متن و دکمههای خودش را دارد. برای نمایش مجموعهای از محصولات، پیشنهادها یا گزینهها در یک پیام استفاده میشود.
لینک، دکمه، کد QR یا تبلیغی که با لمس آن، مکالمه پیامرسانی با یک کسبوکار باز میشود. تبلیغات کلیک به گفتگو در شبکههای اجتماعی، افراد را بهجای صفحه فرود مستقیماً به WhatsApp، Instagram یا Messenger میفرستند.
بازه محدودی پس از آخرین پیام مشتری که در آن کسبوکار میتواند در WhatsApp با پیامهای آزاد پاسخ دهد. هر پیام جدید مشتری پنجره را از نو شروع میکند. پس از بسته شدن پنجره، کسبوکار برای پیام دادن دوباره به یک قالب پیام تأییدشده نیاز دارد.
یک فضای کاری واحد که پیامهای چند کانال مانند WhatsApp، Instagram، چت وب و SMS در آن کنار هم نمایش داده میشوند. اپراتورها از یک صفحه پاسخ میدهند و سابقه هر مشتری در همه کانالها همراه او میماند.
رضایت صریح مشتری برای دریافت پیام از یک کسبوکار در یک کانال مشخص. پلتفرمهای پیامرسانی و قوانین حریم خصوصی انتظار دارند پیش از ارسال پیامهای تبلیغاتی، رضایت (opt-in) گرفته شود. یک راه روشن برای لغو عضویت هم باید همراه آن باشد.
دکمهای زیر پیام که به مشتری اجازه میدهد با یک ضربه بهجای تایپ کردن پاسخ دهد. پاسخهای سریع، پاسخها را ساختارمند نگه میدارند و به همین دلیل در جریانهای خودکار بهراحتی استفاده میشوند. این اصطلاح برای پاسخهای ذخیرهشدهای که اپراتورها در گفتگو درج میکنند نیز به کار میرود.
قالب پیام WhatsApp که از پیش نوشته شده و Meta پیش از ارسال آن را بررسی و تأیید میکند. وقتی کسبوکار مکالمه را شروع میکند یا خارج از پنجره خدمات مشتری پیام میدهد، قالب لازم است. قالبها میتوانند متغیر، رسانه و دکمه داشته باشند و در دستههایی مانند بازاریابی، خدماتی و احراز هویت قرار میگیرند.
پنجره گفتگویی که در وبسایت یا برنامه جاسازی میشود و معمولاً با یک دکمه شناور باز میشود. بازدیدکنندگان میتوانند بدون ترک صفحه پرسش بپرسند و مکالمه به همان تیم یا دستیاری میرسد که کانالهای دیگر به آن میرسند.
رابط برنامهنویسی که به کسبوکار امکان میدهد به جای برنامه تلفن همراه، از نرمافزار خودش پیام WhatsApp ارسال و دریافت کند. این رابط از چند اپراتور، خودکارسازی و یکپارچهسازی روی یک شماره پشتیبانی میکند. رابط کاربری مستقلی ندارد و از طریق یک پلتفرم یا کد سفارشی استفاده میشود.
نام فعلی Meta برای محصول WhatsApp ویژه کسبوکارهای متوسط و بزرگ. Cloud API نسخهای است که Meta میزبانی میکند، بنابراین کسبوکار برای استفاده از آن نیازی به اجرای سرورهای خودش ندارد. در کاربرد روزمره، «WhatsApp Business API» و «WhatsApp Business Platform» به یک چیز اشاره دارند.
حالتی که در آن یک شماره تلفن همزمان در برنامه WhatsApp Business و روی WhatsApp Business Platform کار میکند. کسبوکار میتواند از گوشی گفتگو را ادامه دهد و در عین حال پلتفرم صندوق ورودی مشترک، خودکارسازی و یکپارچهسازی را اضافه میکند.
قابلیتی در WhatsApp برای ساخت صفحههای ساختاریافته شبیه فرم که درون گفتگو باز میشوند. مشتریان میتوانند بدون خروج از WhatsApp تاریخ انتخاب کنند، فیلدها را پر کنند یا گزینهای برگزینند. کاربردهای رایج آن رزرو، فرم سرنخ و نظرسنجی است.
اصطلاحاتی که تیمها برای سازماندهی، اندازهگیری و بهبود مکالمات مشتریان به کار میبرند.
Conversational commerce
فروش از طریق مکالمات پیامرسانی: مشتریان محصولات را کشف میکنند، پرسش میپرسند، سفارش میدهند و درون گفتگو پرداخت میکنند. این روش کاتالوگ محصول، لینک پرداخت و اطلاعرسانی سفارش را با کمک اپراتور انسانی یا هوش مصنوعی ترکیب میکند.
نرمافزاری که سوابق مشتریان، معاملهها و تاریخچه تعامل را در یک جا نگه میدارد. اتصال CRM به پیامرسانی به اپراتورها امکان میدهد ببینند با چه کسی صحبت میکنند و مکالمهها را به مخاطب درست وصل نگه میدارد.
شاخصی برای سنجش میزان رضایت مشتریان از یک تعامل مشخص که معمولاً با یک پرسش امتیازدهی کوتاه بلافاصله پس از پایان آن جمعآوری میشود. بهصورت درصد پاسخهای مثبت یا میانگین امتیاز گزارش میشود.
فاصله زمانی بین اولین پیام مشتری و اولین پاسخ کسبوکار. این یکی از رایجترین شاخصهای خدمات مشتری است، زیرا انتظار طولانی در ابتدای مکالمه بهشدت بر رضایت اثر میگذارد.
لحظهای که مکالمه از یک ربات یا دستیار هوش مصنوعی به یک اپراتور انسانی، یا از یک اپراتور به اپراتور دیگر منتقل میشود. یک انتقال خوب سابقه مکالمه و اطلاعات جمعآوریشده را همراه میبرد تا مشتری مجبور نباشد حرف خود را تکرار کند.
شاخص وفاداری مبتنی بر یک پرسش: مشتری با چه احتمالی شرکت را در مقیاس 0 تا 10 به دیگران توصیه میکند. امتیاز برابر است با درصد مروجان (9–10) منهای درصد منتقدان (0–6).
قوانینی که تعیین میکنند مکالمه ورودی به کدام اپراتور یا تیم برسد. ارجاع میتواند بر اساس کانال، زبان، موضوع، ارزش مشتری، ساعت کاری یا حجم کار اپراتور انجام شود.
تعهد به سطح مشخصی از خدمات که قابل اندازهگیری است، برای مثال حداکثر زمان اولین پاسخ یا زمان حل مسئله. تیمهای پشتیبانی SLA را برای هر مکالمه پیگیری میکنند و مواردی را که در معرض نقض هستند ارجاع بالاتر میدهند.
قوانین و جریانهای بصری که مراحل تکرارشونده را بدون کار دستی انجام میدهند، مانند ارسال یادآوری، برچسبگذاری مخاطب یا اختصاص مکالمه. گردش کار از یک محرک شروع میشود، شرایط را بررسی میکند و اقدامها را اجرا میکند.
چتباتها، عاملهای هوش مصنوعی و مدلهای پشت آنها چگونه کار میکنند.
Agent harness
لایه نرمافزاری پیرامون یک مدل زبانی که به آن امکان میدهد بهجای فقط پاسخ دادن، عمل کند. این لایه حلقهای از استدلال، فراخوانی ابزار و بررسی را اجرا میکند و حافظه، مدیریت زمینه، حفاظها و ثبت گزارش اضافه میکند. نمونهها شامل Claude Agent SDK، OpenAI Agents SDK و Google ADK است. به طور خلاصه: عامل = مدل + harness.
چرخهای که عامل هوش مصنوعی تا تکمیل کار تکرار میکند: مدل درباره یک اقدام تصمیم میگیرد، harness آن را اجرا میکند و نتیجه به مدل بازگردانده میشود. محدودیت در تعداد مراحل، ابزارها و تأییدها، این حلقه را در مکالمات مشتریان ایمن نگه میدارد.
سامانه هوش مصنوعی که فراتر از پاسخ دادن عمل میکند: مراحل را برنامهریزی میکند، از ابزارها استفاده میکند و وظایفی مانند رزرو نوبت یا بررسی سفارش را برای رسیدن به یک هدف کامل میکند. در خدمات مشتری، عاملهای هوش مصنوعی در چارچوب مجوزها و دستورالعملهایی کار میکنند که کسبوکار به آنها میدهد.
نرمافزاری که در گفتگو بهصورت خودکار به افراد پاسخ میدهد. چتباتهای قانونمحور از منوها و درختهای تصمیم از پیش تعریفشده پیروی میکنند، در حالی که چتباتهای هوش مصنوعی از مدلهای زبانی برای فهم متن آزاد و نوشتن پاسخهای خودشان استفاده میکنند.
روشی که harness مکالمات طولانی را در پنجره زمینه مدل نگه میدارد: نوبتهای قدیمیتر و نتایج ابزارها خلاصه میشوند و واقعیتهای مهم حفظ میشوند، تا عامل بتواند یک پرونده را طی مراحل یا روزهای متعدد بدون از دست دادن رشته کار ادامه دهد.
توانایی یک مدل زبانی برای درخواست یک تابع تعریفشده، مثلاً «بررسی وضعیت سفارش»، با پارامترهای ساختاریافته بهجای فقط نوشتن متن. برنامه تابع را اجرا میکند و نتیجه را برمیگرداند، که به دستیار امکان میدهد روی سیستمهای واقعی عمل کند.
پاسخی از یک مدل زبانی که مطمئن به نظر میرسد اما از نظر واقعیت نادرست است یا منابعش از آن پشتیبانی نمیکنند. مبتنی کردن پاسخها بر پایگاه دانش، محدود کردن دامنه و واگذاری موارد مبهم به یک فرد، این خطر را کاهش میدهد.
یک فراخوانی واحد به یک مدل آموزشدیده: یک پرامپت وارد میشود و یک پاسخ خارج میشود. استنتاج سریع و ارزان است و برای کارهای تکمرحلهای مانند دستهبندی، پیشنویس یا خلاصهسازی مناسب است. harness عاملها برای انجام کارهای چندمرحلهای، فراخوانیهای استنتاج زیادی را در یک حلقه اجرا میکنند.
مجموعه سازمانیافتهای از اسناد، پرسشهای متداول، سیاستها و اطلاعات محصول که تیم پشتیبانی یا دستیار هوش مصنوعی از آن پاسخ میدهد. دقت و تازگی آن تا حد زیادی کیفیت پاسخهای خودکار را تعیین میکند.
شبکه عصبی آموزشدیده روی حجم بسیار زیادی متن برای فهم و تولید زبان. LLMها چتباتها و عاملهای هوش مصنوعی امروزی را به حرکت درمیآورند. چند ارائهدهنده آنها را عرضه میکنند و از نظر کیفیت، سرعت، هزینه و زبانهای پشتیبانیشده با هم تفاوت دارند.
یک پروتکل باز که نحوه اتصال برنامههای هوش مصنوعی به ابزارها و منابع داده خارجی را استاندارد میکند. یک سیستم قابلیتهای خود را یکبار از طریق یک سرور MCP ارائه میدهد و هر کلاینت هوش مصنوعی سازگار میتواند آنها را کشف و استفاده کند.
تکنیکی که در آن سیستم ابتدا بخشهای مرتبط را از محتوای خود شرکت بازیابی میکند و سپس آنها را به یک مدل زبانی میدهد تا پاسخ را بنویسد. پاسخها را به اطلاعات بهروز و مشخص متکی میکند و پاسخهای ساختگی را کاهش میدهد.
دستورالعملهای ثابتی که پیش از شروع مکالمه به مدل زبانی داده میشود. نقش دستیار، لحن، مرزها و کاری را که در موقعیتهای مشخص باید انجام دهد تعریف میکند و روی همه پیامهای مکالمه اعمال میشود.
پایگاه دادهای که متن را بهصورت بردارهای عددی (امبدینگ) ذخیره میکند و مدخلها را بر اساس شباهت معنایی بهجای کلیدواژههای دقیق پیدا میکند. این لایه ذخیرهسازی معمول پشت RAG و جستوجوی معنایی است.
بلوکهای فنی که پیامرسانی را به بقیه سیستمهای شما متصل میکنند.
API (Application Programming Interface)
راه تعریفشدهای برای اینکه یک نرمافزار از نرمافزار دیگر داده یا اقدامی درخواست کند. پلتفرمهای پیامرسانی از API برای اتصال کانالها، CRM، ارائهدهندگان پرداخت و سیستمهای داخلی استفاده میکنند.
سیستم تلفنی که با پیامهای ضبطشده یا مصنوعی از تماسگیرندگان استقبال میکند و آنها را بر اساس ورودی صفحهکلید یا گفتار هدایت میکند. IVRهای مدرن میتوانند تماسگیرنده را به یک اپراتور، یک ربات صوتی یا یک کانال پیامرسانی منتقل کنند.
کد کوتاهی که برای یک ورود یا تراکنش واحد معتبر است و بهسرعت منقضی میشود. کسبوکارها OTP را با SMS، WhatsApp یا تماس صوتی ارسال میکنند تا تأیید کنند فرد صاحب یک شماره تلفن است.
پروتکل سیگنالینگی که برای برقراری، مدیریت و پایان دادن به تماسهای صوتی و تصویری روی اینترنت استفاده میشود. SIP trunk سیستم تلفن کسبوکار یا نرمافزار مرکز تماس را به شبکه تلفن عمومی متصل میکند.
یک درخواست HTTP که یک سیستم هنگام رخ دادن یک رویداد، مانند پیام جدید یا پرداخت انجامشده، بهطور خودکار به سیستم دیگری میفرستد. وبهوکها به سیستمها امکان میدهند بدون پرسیدن مکرر برای بهروزرسانی، بهصورت لحظهای واکنش نشان دهند.